Query Fan-Out ist das, was passiert, wenn eine KI-Suchmaschine deine eine Frage in mehrere engere Suchanfragen zerlegt, diese parallel ausführt und die Ergebnisse zu einer einzigen Antwort zusammenfügt. Für Marketer heißt das: Deine Seite konkurriert um Unterfragen, die niemand getippt hat, und das hebelt das klassische Ein-Keyword-eine-Seite-Spielbuch aus.
- Google hat den Begriff auf der I/O 2025 vorgestellt, das zugehörige Patent nennt es “query variant generation”.
- Unabhängige Studien beziffern Google AI Mode auf 9 bis 11 Unterfragen pro Prompt, ChatGPT auf rund 3,5, Perplexity auf rund 2,2.
- Prompts mit dem Wort “Liste” lösten im Schnitt 49 generierte Suchen aus, Prompts mit “was ist” kamen auf rund 2.
- Wer den OAI-SearchBot blockiert, verschwindet aus ChatGPT-Suchantworten; wer nur GPTBot blockiert, bleibt sichtbar.
Was Query Fan-Out wirklich ist: ein Prompt, viele versteckte Suchen
Query Fan-Out ist der Schritt, bei dem eine KI-Suchmaschine Prompts in kleinere Suchanfragen aufteilt, sie gleichzeitig abfeuert und aus den Treffern eine Antwort baut. Google hat es auf der I/O 2025 so formuliert: AI Mode “nutzt unsere Query-Fan-Out-Technik, zerlegt deine Frage in Unterthemen und stellt in deinem Namen eine Vielzahl von Anfragen gleichzeitig”.
So läuft es ab, zwischen Enter-Taste und fertiger Antwort:
- Die Engine erhält den Prompt.
- Sie erkennt die Facetten: einzelne Dinge, die dich interessieren, etwa Design, Preis oder Einsatzzweck.
- Sie fährt parallele Unteranfragen pro Facette, dazu auch ungefragte Blickwinkel wie Reviews, Vergleiche und technische Daten.
- Sie fasst die gefundenen Textstellen zusammen, formuliert die Antwort und hängt Quellenangaben an die genutzten Fundstellen.
Zwei reale Prompts zeigen, wie weit eine einzelne Frage wandert. Das erste Beispiel stammt von SEO-Strategin Lily Ray bei Digiday:
- Ein Prompt für einen Familienurlaub mit 5 Personen in den USA fächert sich auf in “familienfreundliche Aktivitäten” und “Roadtrip für Familien”.
- “Bequeme Over-Ear-Bluetooth-Kopfhörer mit langer Akkulaufzeit” splittet sich in Design, Technik, Reviews und Vergleiche.
Noch eine Begriffsklärung, damit du im Meeting nicht ins Stolpern gerätst: “Query Fan-Out” ist Googles öffentliche Bezeichnung, das zugrunde liegende Patent, US11663201B2, beschreibt es dagegen als Query Variant Generation mit einem trainierten generativen Modell. Für den größeren Zusammenhang gibt es hier den Überblick, wie sich AI Mode von AI Overviews unterscheidet.
Wie viele Unteranfragen feuert ChatGPT (und der Rest) tatsächlich ab?
Irgendwo zwischen 2 und 11 im Schnitt, je nach Engine, und die Anbieter halten ihre Zahlen unter Verschluss. Jede Zahl unten stammt aus unabhängigen Studien mit eigener Methodik, nimm sie also als Bandbreite.
| Engine | Ø Unteranfragen pro Prompt | Streuung | Stichprobe | Erhebungszeitraum |
|---|---|---|---|---|
| Google (Gemini 3 API, Grounding erzwungen) | 10,7 | 3 bis 28 | 501 Prompts über die API | November 2025 |
| Google AI Mode | 9,06 | 59 % liegen zwischen 5 und 11, Maximum 28 | über 60.000 Fan-Out-Anfragen | Nicht angegeben |
| ChatGPT | 3,51 | 67,3 % der Prompts lösen mehrere Anfragen aus | 102.018 Anfragen aus 38.418 Prompts | September bis November 2025 |
| Perplexity | 2,24 | 70,5 % der Prompts lösen nur eine Anfrage aus | Gleicher Datensatz wie ChatGPT | September bis November 2025 |
Die Richtung ist eindeutig: Fan-Out nimmt zu. Der Schnitt von 10,7 bei Gemini 3 liegt 78 % über den 6,01, die bei Gemini 2,5 gemessen wurden. In einer Analyse von 102.018 KI-generierten Anfragen fiel der Anteil der Single-Query-Prompts von 65,4 % im Oktober auf 40,8 % im November 2025. Zwei Einschränkungen gehören zur Ehrlichkeit dazu: Die 10,7 stammen aus der Gemini-API, nicht aus dem live laufenden AI Mode. Und Perplexity macht 67 % der 102.018er-Stichprobe aus, bei einem realen Marktanteil von nur 6 bis 8 %. Die Muster pro Engine bleiben davon trotzdem unberührt.
Für die eigenständige Gemini-App und Microsoft Copilot gibt es bislang keine separat veröffentlichten Zahlen.
Die Zahl, die dein Budget eigentlich bestimmen sollte, ist Stabilität. Bei über 2 Millionen paarweisen Vergleichen identischer Prompts feuerte Perplexity in 92,8 % der Fälle dieselben Anfragen ab. ChatGPT: nur 11 % Überschneidung.
Diese Lücke teilt deine Strategie in zwei Lager. Bei Perplexity erledigt der Sieg bei der einen zentralen Anfrage den Großteil der Arbeit. Bei ChatGPT lässt sich nicht vorhersagen, welche Variante beim nächsten Mal gesucht wird, breite thematische Abdeckung ist dort die einzig verlässliche Wette.
Warum ChatGPT Wörter ergänzt, die du nie getippt hast
ChatGPT ergänzt Wörter, weil es fehlende Signale ableitet: Aktualität, einen Ort, eine Rangfolge. Die Jahreszahl “2025” tauchte in 28,1 % der generierten Anfragen auf, 184-mal häufiger als “2024”. Auch Ortsangaben und wertende Wörter wie “best” (5,9 %) und “top” (4,6 %) wurden eingefügt. Jemand tippt “beste Projektmanagement-Tools”, und die Engine sucht nach “beste Projektmanagement-Tools 2025”.
Die Formulierung des Prompts steuert die Breite des Fan-Outs. “Liste”-Prompts lösen im Schnitt 49,01 Anfragen aus, “top”-Prompts 8,44, “Vergleich” oder “vs” 5,67, “best” 3,71 und “was ist” gerade einmal 1,96.
So sieht das bei einem kommerziellen Prompt aus: Für “Was sind die besten DSGVO-Beratungsagenturen in Frankreich?” führte Perplexity eine Suche aus. ChatGPT führte sechs aus, darunter “GDPR consulting services Paris”, “GDPR agency France 2025” und “data protection expert France”. Eine Marke, die in allen sechs auftaucht, bekommt sechs Chancen, zitiert zu werden. Bei Perplexity existiert dieser Abdeckungsvorteil kaum.
Die Formatfrage hängt also vom Thema ab. Themen mit viel Fan-Out (Tools, Agenturen, alles, wonach mit “top” oder “best” gefragt wird) belohnen Seiten, die die von den Engines eingefügten Varianten abdecken: Vergleiche, Versus-Seiten, Alternativen, aktuelle Jahreszahlen und klare Preisangaben. Themen mit wenig Fan-Out (“was ist”, “warum”, konkrete Fakten) belohnen eine einzige, kompakte, autoritative Antwort, die die zentrale Anfrage gewinnt. Die drei Hebel, um in ChatGPT zitiert zu werden, bauen genau auf dieser Trennung auf.
Eine Seite bauen, die viele Unteranfragen auf einmal beantwortet
Eine fan-out-taugliche Seite ist eine, bei der jeder Abschnitt für sich allein steht. Hier die Regeln, die du an deine Autorin, Agentur oder dein Tool weitergeben kannst:
- Jede Seite und jeden Abschnitt mit der direkten Antwort in den ersten ein bis zwei Sätzen eröffnen.
- Jede H2- und H3-Überschrift so eigenständig formulieren, dass herausgelöste Textabschnitte für sich allein Sinn ergeben.
- Entitäten explizit benennen: Produkt, Marke, Ort, Jahr. “Es” und “dieses Tool” am Absatzanfang vermeiden.
- Die Facettenabdeckung die Länge bestimmen lassen: Eine Seite ist lang genug, wenn jede Unterfrage eine klare eigene Antwort bekommt. Definitionsboxen weit oben platzieren, Vergleichstabellen für “best”-, “top”- oder “vs”-Themen ergänzen und Überschriften als natürliche Fragen formulieren, inklusive “welche” und “wie viel”.
Diese Regeln folgen der Art, wie Menschen heute fragen. In den USA ist die durchschnittliche AI-Mode-Anfrage dreimal so lang wie eine klassische Suche, und “welche”-Anfragen wachsen 40 % schneller als der AI-Mode-Durchschnitt.
Warum dein Keyword-Tool leer bleibt: In derselben 501-Prompt-Gemini-Analyse hatten 95 % der Fan-Out-Anfragen null monatliches Suchvolumen, bei einer durchschnittlichen Länge von 6,7 Wörtern. Klassische Keyword-Recherche sieht diese Anfragen schlicht nicht, deshalb schlägt Facettenabdeckung hier die Jagd nach Suchvolumen.
Die Abrufseite davon, also wie Textstellen ausgewählt und zitiert werden, ist ausführlicher in diesen RAG-SEO-Techniken beschrieben.
Wie du deine eigenen Fan-Out-Anfragen sichtbar machst (kostenlos und kostenpflichtig)
Echte ChatGPT-Fan-Out-Anfragen siehst du kostenlos mit Chrome-Erweiterungen, simulieren lassen sie sich mit Otterly.ai, und über die Zeit verfolgen lassen sie sich mit kostenpflichtigen Tools wie Semrush.
| Tool | Was es zeigt | Kosten | Am besten für |
|---|---|---|---|
| ChatGPT Search Reasoning and Query Extractor (Bookmarklet von Mike Friedman, The SEO Pub) | Die tatsächlichen Websuchen und Denkschritte, die ChatGPT für einen Prompt ausführt | Kostenlos, nur Chrome | Stichproben bei ChatGPT ohne Budget |
| ChatGPT Search Fan-out Helper (Chrome-Erweiterung) | Reale ChatGPT-Suchen plus URLs, Titel und Beschreibungen der gefundenen Quellen | Kostenlos, nur Chrome | Erkennen, welche Wettbewerberseiten abgerufen werden |
| Otterly.ai Query Fan Out Tool | Simulierte Erweiterungen für einen Prompt, nebeneinander über Google AI Overviews, Google AI Mode und ChatGPT | Kostenlos | Vergleichen, wie Engines denselben Prompt erweitern |
| Semrush AI Visibility Toolkit | Näherungswerte zu Unteranfragen und Sichtbarkeit für 25 täglich verfolgte Prompts über ChatGPT, Google AI, Gemini und Perplexity | Rund 99 $/Monat pro Domain, jährlich abgerechnet, plus rund 60 $/Monat pro 50 zusätzliche Prompts | Laufendes Multi-Engine-Tracking |
Eine praktische Routine ohne Budget: Schreib dir die zehn Fragen auf, die deine Käufer wirklich stellen, lass jede über ChatGPT mit dem Bookmarklet laufen und wiederhole jeden Prompt dreimal. Bei nur 11 % Überschneidung zwischen identischen Durchläufen zeigt dir ein Durchlauf nur eine Stichprobe, drei zeigen dir das Muster. Hier gibt es die Schritt-für-Schritt-Anleitung, wie die Extraktion funktioniert.
Perplexity ist der einfachere Fall, weil sich die Anfragen zwischen Durchläufen kaum ändern. Die Arbeit besteht dort darin, diese eine stabile Anfrage zu gewinnen, und diese Schritte, um bei Perplexity zitiert zu werden, decken genau das ab. Preise für Otterlys kostenpflichtige Pläne und Nischen-Tools wie Queryfanout.io oder QueryBurst sind nicht öffentlich, hol dir also vorher ein Angebot ein, bevor du budgetierst.
Das technische Nadelöhr: Erreichen KI-Crawler deine Seite überhaupt?
Crawler brauchen eine Erlaubnis, um deine Seiten zu zitieren. Die Prüfung dauert etwa fünf Minuten im Browser:
- GPTBot: OpenAIs Trainings-Crawler. Blockieren hält dich aus dem Training raus, du bleibst aber in ChatGPT-Suchantworten sichtbar.
- OAI-SearchBot und ChatGPT-User: OpenAIs Such- und Zitier-Crawler. Blockierst du diese, verschwindest du aus ChatGPT-Ergebnissen.
- PerplexityBot: hält sich an robots.txt, eine Disallow-Regel entfernt dich also aus dem Perplexity-Retrieval.
- Google-Extended: ein Steuertoken für Gemini-Training und Grounding. Blockieren wirkt sich nicht auf AI Overviews oder AI Mode aus.
- ClaudeBot: Anthropics Crawler, lohnt sich zu prüfen.
Für die meisten kommerziellen Seiten gilt: Such- und Antwort-Crawler offen lassen, denn sie speisen die laufenden Zitierungen. Dann diese Prüfung durchführen:
- deinedomain.de/robots.txt im Browser öffnen.
- Nach GPTBot, OAI-SearchBot, ChatGPT-User, PerplexityBot, ClaudeBot und Google-Extended suchen.
- Nach “Disallow: /” unter jedem Eintrag Ausschau halten. Jeder Treffer blockiert diese Engine für deine Seite.
- Unerwünschte Regeln korrigieren und bis zu 24 Stunden warten, bis PerplexityBot und OAI-SearchBot das Update übernehmen.
Wenn du die gesamte technische Seite lieber prüfen lässt: Claires kostenloses GEO-Audit checkt eine Seite anhand von über 70 Punkten, die darüber entscheiden, ob ChatGPT und andere KI-Systeme sie finden, verstehen und zitieren können.
Fan-Out belohnt Abdeckung, nicht nur Ranking
Fan-Out macht aus Ranking, das früher ein einziger Wettkampf pro Keyword war, ein Abdeckungsspiel pro Unteranfrage. Für kleinere Marken ist das eine gute Nachricht: Beantwortet deine Seite mehr Facetten eines Themas als ein größerer Wettbewerber, der nur den Hauptbegriff anvisiert, tauchst du in mehr der versteckten Suchen auf und wirst häufiger zitiert.
Dein nächster Schritt diese Woche kostet nichts: die robots.txt-Prüfung durchführen, dann fünf Käuferfragen durch das kostenlose ChatGPT-Bookmarklet oder Otterlys Tool laufen lassen. Was du dort siehst, verrät dir, welche Seiten einen Vergleichsblock, eine Definition oder einen schärferen Einstieg brauchen, bevor du sonst irgendetwas anfasst.
FAQ
Wie hängt Query Fan-Out mit Googles AI Overviews zusammen?
Eng, auch wenn Google den Begriff ursprünglich für AI Mode eingeführt hat. Tools wie Otterly.ai simulieren Erweiterungen auch für AI Overviews, und beide greifen auf den regulären Googlebot-Index zurück, weshalb für beide dieselben Regeln zu Crawlbarkeit und Seitenstruktur gelten.
Schadet die Optimierung auf Fan-Out meinem normalen Google-Ranking?
Selten. Antwort-zuerst-Einstiege, klare Überschriften und eigenständige Abschnitte sind genau die Eigenschaften, die eine Seite auch in der klassischen Suche nützlich machen. Die Änderungen bringen zusätzliche Struktur in deine Seiten und lassen alles unberührt, was Google ohnehin schon belohnt.
Wie viel kleiner fällt Fan-Out bei lokalen Anfragen aus?
Etwa ein Drittel des Software-Niveaus. Über mehr als 60.000 analysierte Google-Fan-Out-Anfragen hinweg lagen lokale Prompts im Schnitt bei 3,79 Unteranfragen, Software-Prompts bei 11,7 und Reise-Prompts bei 10,8. Lokale Unternehmen können sich auf wenige, präzise Antworten konzentrieren, während Softwaremarken deutlich breitere Abdeckung brauchen.
Ist belegt, dass Schema-Markup oder llms.txt das Fan-Out-Retrieval beeinflussen?
Nein. Es gibt bislang keine veröffentlichten Belege dafür, dass eines von beiden ändert, welche Textstellen beim Fan-Out abgerufen werden. Schema hilft weiterhin der klassischen Suche, behalte es also bei, stecke deine Energie aber zuerst in klaren, Antwort-zuerst-Content.
Muss ich meine gesamte Content-Bibliothek neu schreiben?
Normalerweise nicht. Die meisten bestehenden Seiten lassen sich nachrüsten: die Antwort nach oben ziehen, Abschnitte eigenständig machen, Entitäten benennen und Vergleichs- oder Definitionsblöcke dort ergänzen, wo das Thema es verlangt. Komplette Neufassungen lohnen sich nur bei dünnen Seiten.